論文の概要: Probing the Limits and Capabilities of Diffusion Models for the Anatomic
Editing of Digital Twins
- arxiv url: http://arxiv.org/abs/2401.00247v1
- Date: Sat, 30 Dec 2023 14:21:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 18:20:50.229097
- Title: Probing the Limits and Capabilities of Diffusion Models for the Anatomic
Editing of Digital Twins
- Title(参考訳): デジタル双生児の解剖学的編集における拡散モデルの限界と能力
- Authors: Karim Kadry, Shreya Gupta, Farhad R. Nezami, Elazer R. Edelman
- Abstract要約: 本稿では,デジタル双生児の解剖学的変異を編集する潜在拡散モデルの能力について検討する。
我々は特にデジタル双生児を編集し、異なる空間スケールおよび局所領域で解剖学的変異を導入する。
- 参考スコア(独自算出の注目度): 0.9628617363701458
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Numerical simulations can model the physical processes that govern
cardiovascular device deployment. When such simulations incorporate digital
twins; computational models of patient-specific anatomy, they can expedite and
de-risk the device design process. Nonetheless, the exclusive use of
patient-specific data constrains the anatomic variability which can be
precisely or fully explored. In this study, we investigate the capacity of
Latent Diffusion Models (LDMs) to edit digital twins to create anatomic
variants, which we term digital siblings. Digital twins and their corresponding
siblings can serve as the basis for comparative simulations, enabling the study
of how subtle anatomic variations impact the simulated deployment of
cardiovascular devices, as well as the augmentation of virtual cohorts for
device assessment. However, while diffusion models have been characterized in
their ability to edit natural images, their capacity to anatomically edit
digital twins has yet to be studied. Using a case example centered on 3D
digital twins of cardiac anatomy, we implement various methods for generating
digital siblings and characterize them through morphological and topological
analyses. We specifically edit digital twins to introduce anatomic variation at
different spatial scales and within localized regions, demonstrating the
existence of bias towards common anatomic features. We further show that such
anatomic bias can be leveraged for virtual cohort augmentation through
selective editing, partially alleviating issues related to dataset imbalance
and lack of diversity. Our experimental framework thus delineates the limits
and capabilities of using latent diffusion models in synthesizing anatomic
variation for in silico trials.
- Abstract(参考訳): 数値シミュレーションは、心臓血管装置の展開を制御する物理過程をモデル化することができる。
このようなシミュレーションには、患者固有の解剖学の計算モデルであるデジタルツインが組み込まれている。
それでも、患者固有のデータの排他的使用は、正確にまたは完全に探索できる解剖学的変動を制限している。
本研究では,デジタル双生児を編集して解剖学的変異体を作成する潜在拡散モデル(ldms)の能力について検討した。
デジタル双生児とその兄弟姉妹は、比較シミュレーションの基礎となり、心臓血管装置のシミュレーション配備に微妙な解剖学的変化がどのように影響するか、そしてデバイスアセスメントのための仮想コホートを増強するかを研究することができる。
しかし、拡散モデルは自然画像の編集能力に特徴付けられるが、デジタル双生児の解剖学的編集能力はまだ研究されていない。
心臓解剖学の3次元デジタル双生児を事例として, 形態学的およびトポロジカルな解析により, デジタル兄弟姉妹の生成と特徴付けを行う。
我々は特にデジタル双生児を編集し、異なる空間スケールおよび局所領域における解剖学的変化を導入し、共通の解剖学的特徴に対するバイアスの存在を実証した。
さらに,このような解剖学的バイアスを選択的編集による仮想コホート拡張に活用し,データセットの不均衡や多様性の欠如に関する問題を部分的に軽減できることを示した。
実験フレームワークは,シリコ実験における原子変動合成における潜在拡散モデルの使用限界と能力を明らかにする。
関連論文リスト
- Digital Twin Generators for Disease Modeling [2.341540989979203]
患者のデジタルツイン(英: Digital twin)とは、患者の健康状態の経時変化を記述する計算モデルである。
デジタル双生児は、人間の健康の個々のレベルのコンピュータシミュレーションを可能にすることによって、医療に革命をもたらす可能性がある。
論文 参考訳(メタデータ) (2024-05-02T17:23:04Z) - Med-Real2Sim: Non-Invasive Medical Digital Twins using Physics-Informed Self-Supervised Learning [15.106435744696013]
デジタルツイン(Digital twin)は、数学的モデリングを用いてその定義する特徴を特徴づけ、シミュレートする現実世界の物理現象の仮想レプリカである。
非侵襲的な患者健康データのみを用いてデジタル双対モデルパラメータを同定する手法を提案する。
論文 参考訳(メタデータ) (2024-02-29T23:04:42Z) - Few-shot learning for COVID-19 Chest X-Ray Classification with
Imbalanced Data: An Inter vs. Intra Domain Study [49.5374512525016]
医療画像データセットは、コンピュータ支援診断、治療計画、医学研究に使用される訓練モデルに不可欠である。
データ分散のばらつき、データの不足、ジェネリックイメージから事前トレーニングされたモデルを使用する場合の転送学習の問題などである。
本稿では,データ不足と分散不均衡の影響を軽減するために,一連の手法を統合したシームズニューラルネットワークに基づく手法を提案する。
論文 参考訳(メタデータ) (2024-01-18T16:59:27Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳(メタデータ) (2023-07-26T02:34:57Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳(メタデータ) (2023-03-07T09:40:22Z) - Twin-S: A Digital Twin for Skull-base Surgery [14.323901431687672]
デジタルツイン(Digital twins)は、現実世界の仮想インタラクティブモデルであり、同一の挙動と特性を示す。
外科的応用では、デジタル双生児の計算分析を用いて状況認識を高めることができる。
本稿では,頭蓋底手術のためのデジタルツインフレームワークTwin-Sについて述べる。
論文 参考訳(メタデータ) (2022-11-21T21:33:51Z) - Statistical Shape Modeling of Biventricular Anatomy with Shared
Boundaries [16.287876512923084]
本稿では,共有境界を持つ多臓器解剖学の統計的形状モデルを構築するための汎用的で柔軟なデータ駆動手法を提案する。
心臓の共有境界における形状変化は、非協調的収縮と低臓器灌流を引き起こす潜在的な病理学的変化を示す可能性がある。
論文 参考訳(メタデータ) (2022-09-06T15:54:37Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳(メタデータ) (2022-07-20T07:32:02Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-02-18T22:41:51Z) - A Probabilistic Graphical Model Foundation for Enabling Predictive
Digital Twins at Scale [0.0]
結合ダイナミクスシステムの集合として、アセットツインシステムの抽象化を作成します。
本研究では,無人航空機のディジタル双対構造を実現するために,モデルがどのようにインスタンス化されるかを実証する。
論文 参考訳(メタデータ) (2020-12-10T17:33:59Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。